Présente le programme de maîtrise en neuro-X, en mettant l'accent sur son approche interdisciplinaire et ses possibilités de carrière en neurotechnologie.
S'insère dans l'apprentissage continu des modèles de représentation dans l'intelligence cérébrale, mettant l'accent sur l'adaptation rapide aux environnements non structurés.
Couvre les mécanismes de rétroaction dans l'intelligence visuelle, l'estimation des poses humaines, l'adaptation motrice dans les robots à pattes et les contrôleurs PID.
Explore la relation complexe entre les neurosciences et l'apprentissage automatique, en soulignant les défis de l'analyse des données neuronales et le rôle des outils d'apprentissage automatique.
Explore l'avancement des modèles système de l'intelligence humaine au moyen d'analyses comparatives intégrées et de l'importance de Brain-Score pour des comparaisons équitables de modèles.
Couvre les progrès de la neurotechnologie pour améliorer la rétroaction sensorielle dans les appareils prothétiques, en se concentrant sur la perception de la texture et les effets de la charge cognitive sur la performance.
Explore le traitement adaptatif du signal, la descente de gradient et l'algorithme LMS pour un filtrage efficace et un entraînement au réseau neuronal.
Explore l'analyse du modèle neuronal en PNL, couvrant les études d'évaluation, de sondage et d'ablation pour comprendre le comportement et l'interprétabilité du modèle.
Explore les représentations neuro-symboliques pour comprendre les connaissances et le raisonnement communs, en mettant l'accent sur les défis et les limites de l'apprentissage profond dans le traitement du langage naturel.
Explore le potentiel du LGN pour la vision artificielle et les différences dans l'encodage des stimulus entre les représentations thalamiques et corticales.